Agente de orientación vocacional reproducible mediante PLN y entrevistas adaptativas con QLoRA, RIASEC y O*NET
Publicado: 18 Ago 2026, 19:10
Tema:
Agente de orientación vocacional reproducible mediante PLN y entrevistas adaptativas con QLoRA, RIASEC y O*NET
Integrantes:
- Elmer Rojas
- Luis Paliza
- Juan Villegas
Resumen:
Se presenta un agente de orientación vocacional reproducible que combina entrevistas abiertas, Qwen2.5-3B-Instruct ajustado con QLoRA, MiniLM, RIASEC y O*NET.
El LLM genera preguntas adaptativas, mientras el perfil y el ranking se calculan fuera del modelo mediante similitud semántica y reglas Python.
La métrica principal, eval loss, se redujo de 1.8029 a 0.8630 (-52.13 %), con mejoras complementarias en perplejidad y exactitud por token.
La aplicación integrada superó 37 de 37 pruebas técnicas y fue ejecutada desde un paquete independiente.
El resultado es un prototipo exploratorio y reproducible, no una validación psicométrica externa.
Impacto:
El prototipo demuestra que es posible combinar un LLM local, embeddings multilingües y datos ocupacionales para apoyar entrevistas vocacionales abiertas, manteniendo el cálculo RIASEC y el ranking fuera del LLM. Su impacto es técnico y operativo: mejora la interacción, conserva trazabilidad y puede ejecutarse con hardware de consumo. Para uso decisional en Perú todavía requiere validación con estudiantes locales, especialistas y fuentes ocupacionales nacionales.
Palabras clave:
Procesamiento de lenguaje natural, orientación vocacional, RIASEC, O*NET, Qwen2.5, QLoRA, MiniLM, entrevistas adaptativas, reproducibilidad.
Agente de orientación vocacional reproducible mediante PLN y entrevistas adaptativas con QLoRA, RIASEC y O*NET
Integrantes:
- Elmer Rojas
- Luis Paliza
- Juan Villegas
Resumen:
Se presenta un agente de orientación vocacional reproducible que combina entrevistas abiertas, Qwen2.5-3B-Instruct ajustado con QLoRA, MiniLM, RIASEC y O*NET.
El LLM genera preguntas adaptativas, mientras el perfil y el ranking se calculan fuera del modelo mediante similitud semántica y reglas Python.
La métrica principal, eval loss, se redujo de 1.8029 a 0.8630 (-52.13 %), con mejoras complementarias en perplejidad y exactitud por token.
La aplicación integrada superó 37 de 37 pruebas técnicas y fue ejecutada desde un paquete independiente.
El resultado es un prototipo exploratorio y reproducible, no una validación psicométrica externa.
Impacto:
El prototipo demuestra que es posible combinar un LLM local, embeddings multilingües y datos ocupacionales para apoyar entrevistas vocacionales abiertas, manteniendo el cálculo RIASEC y el ranking fuera del LLM. Su impacto es técnico y operativo: mejora la interacción, conserva trazabilidad y puede ejecutarse con hardware de consumo. Para uso decisional en Perú todavía requiere validación con estudiantes locales, especialistas y fuentes ocupacionales nacionales.
Palabras clave:
Procesamiento de lenguaje natural, orientación vocacional, RIASEC, O*NET, Qwen2.5, QLoRA, MiniLM, entrevistas adaptativas, reproducibilidad.